F- Classificação. Banda A
|
|
- José Aragão Brezinski
- 6 Há anos
- Visualizações:
Transcrição
1 F- Classificação Classificação Digital é associar determinado pixel a determinada categoria por meio de critérios estatísticos Banda B? da d b dc Espaço dos Atributos Classes Banda A
2 Classificação: ordenar, descriminar e categorizar Supervisionada: utiliza a verdade de campo por amostragem; Não Supervisionada: automatizada, segmentação da imagem Etapas: a) Escolha a regra de decisão; b) Subdivisão do espaço dos atributos; c) Associação de todos os pixels da imagem de acordo com sua localização no espaço dos atributos; d) Análise e avaliação da imagem temática; e) Ajuste do resultado da classificação f) Relatório de Acurácia
3 A técnica supervisionada é a classificação controlada pelo usuário ou conhecedor da área (analista) a ser classificada; O analista seleciona na imagem amostras(áreas de treinamento) (pixels) de feições conhecidas previamente. Estas amostras devem representar o melhor possível as feições a serem classificadas; O analista deve escolher sobre a imagem amostras que representem determinada categoria, após análise estatística saber-se-á a qualidade da amostra que poderá ser ou não utilizada; Análise estatística da amostra: desvio padrão, média, histograma, elipses.
4 Dn Amostragem na imagem RGB Pixels Amostrados Histograma : Valor Max: 25, Valor Min: 50, Desvio padrão: 2,5 n
5 Escolhendo-se um par de bandas podemos observar a distância espectral entre duas amostras. Zonas de sobreposição ou intersecção apontam para uma confusão espectral entre classes (a) (b)
6 Para realizar uma boa seleção de amostras na imagem deve-se levar em consideração os seguintes requisitos: as amostras mais homogêneas possíveis, baixo desvio padrão; amostras representativas das categorias a serem classificadas; serem constituídas por no mínimo 15 pixels; o histograma deverá ter uma distribuição próxima de uma curva normal.
7 Regras de Decisão Uma vez coletada as amostras para as diferentes classes deve-se proceder o processo de classificação de toda a imagem, por regras estatísticas de decisão(probabilidades). Os métodos paramétricos os mais utilizados são: paralelepípedo; mínima distância; Os métodos Paramétricos: máxima probabilidade(maxver); Fuzzy
8 A- Paralelepípedo Nesta regra de decisão os pixels candidatos a classificação são comparados ao valores máximos e mínimos das amostra formando uma espécie de retângulo. Os pixel que possuam DNs dentro da variação de cada retângulo será agregado à classes referente ao retângulo ou paralelepípedo. Observa-se a regra de decisão baseada no uso de limites compreendidos entre desvios padrões para um par de bandas.
9 Os pixels que sobrepõem em jazem em dois retângulos estarão vinculados a duas classes distintas, devido a proximidade espectral. Nesta regra de decisão o pixel será classificado na assinatura que primeiro estiver numerada no arquivo de assinaturas. Em adição de acordo com a Figura alguns pixels ficarão sem classificação. Esta regra de decisão é de fácil e de rápido processamento é indicada para uma classificação preliminar, para efeitos de visualização.
10 B- Mínima Distância A regra da mínima distância também denominada distância espectral determina a distância espectral entre a medida do vetor do pixel candidato e o vetor médio para cada assinatura. O pixel candidato é classificado a assinatura mais próxima espectralmente. A equação de classificação baseia-se na distância Euclidiana
11 MINIMA DISTÂNCIA µ Média Vetor (X) a Classe (w) Água Urbe Foresta Pastagem Solo Rochas
12 SD ( X ) n xyc = µ i ci = 1 xyi 2 Onde: n = numero de bandas i = uma banda em particular c = uma classe em particular X xyi = valor do pixel para uma banda i µ ci = média do valor na banda i para a classe c SD xyc = distância espectral do pixel x,y para a média da classes c Por esta regra não existiram pixels sem classificação, no obstante não considera a variabilidade da classe ou seja a variância. Uma vez que os pixels longe da média com uma grande variância poderiam pertencer a uma outra classe.
13 Os MÉTODOS PARAMÉTRICOS são baseados em REGRAS DE DECISÃO: Classificação é o agrupamento de cada vetor de observação(diferentes bandas) em uma classe Wi baseado no cálculo das probabilidades. Assume-se que um vetor de obserção X pertence a classe Wi se este tiver maior probabilidade de não ocorrer em outra classe Wj, Wk... Probabilidade será: P(X wi)= P(X e Wi) / P(Wi)
14 Considerando que as amostras tenham uma distribuição normal ou de Gauss F(X) função densidade de probabilidade
15 Regra de Decisão Um Pixel X será associado a uma classe wi se: Pela regra de Bayes Um Pixel X será associado a uma classe wi se:
16 Regra de Decisão
17 C- MÉTODO DA MÁXIMA VEROSSIMILHANÇA MAXVER No caso do método de decisão da máxima probabilidade, as assinaturas apresentaram distribuições normais e as distâncias calculadas levaram em conta a matriz covariância. A distância mínima é determinada pela seguinte expressão: D = ln(ac) [0.5l ( Covc )] [0,5(X µ c)t(1/ Covc)(X µ c)] D = distância com pesos (Baysian Decision rule, HORD, 1982); c = classe; X = vetor dos dados do pixel candidato; µc = vetor média dos valores para classe c; ac = probabilidade de qualquer pixel pertencer à classe c; Covc = matriz covariância da assinatura c; Covc = determinante da matriz covariância; 1/Covc = matriz inversa da covariância; ln = logaritmo natural; t = transposta.
18 Assume-se neste caso que em todas as assinaturas as probabilidades são iguais para todas as classes, ou seja, ac =, probabilidade a priori. Todos os pixels da imagem são classificados de acordo com esta regra de decisão. Este método, em relação a outros existentes - mínima distância e paralelepípedo -éo mais acurado Isto se deve-se ao fato de considerar um maior número de variáveis. No entanto, existe uma tendência de superclassificação, ou seja, relacionar um maior número de pixels às amostras com maiores valores relativos contidos na matriz covariância.
19 D- Classificação Fuzzy A lógica Fuzzy está baseada na forma humana de raciocínio, ou seja, baseada em ponderações, onde a verdade é uma questão de ótica. A teoria fuzzy lida com aproximações ao invés de modelos precisos de ponderações como na lógica clássica. A função de associação de um conjunto fuzzy é expressa por f A (x), definido o grau de associação de x em A. Este grau de associação é variável e ponderado pelo usuário.
20 No caso do classificador Fuzzy primeiramente é criada uma imagem de distâncias, onde o pixel está mais próximo de ser associado de determinada classe. É criada uma função baseada no grau de associação. Desta forma, pode-se obter várias imagens classificadas dependendo da variação da função associativa. A posteriori, então, sobre esta imagem (multilayer) é feita uma filtragem Fuzzy criando uma única imagem classificada. O pixel é associado aquela classe cuja distância inversa é maior(baseado numa ponderação entre os diferentes layers).
21 A equação abaixo refere-se a filtragem Fuzzy das diferentes opções de classificação: T(k)= Σ s i= 0 Σs j=0 Σn l=0 W ij / D ijl(k) Onde: i= linha; j= coluna; s= tamanho da janela; n= numero de layers fuzzy; w= pesos para janela; k= classes; , D(k)= distância para a classe k; T(k)= total da distância ponderada na janela para classe K O pixel central da janela será associado a classe com o valor máximo de T(k).
22 E- Classificação não Supervisionada- Segmentação A classificação não supervisionada é baseada no método da mínima distância espectral para categorizar determinado pixel. A primeira interação do algoritmo ISODATA utiliza a média dos N agrupamentos (clusters) que pode ser arbitrariamente determinada. Após a primeira iteração uma nova média para os N agrupamentos são determinadas, baseada nas posições espectrais. O processo iterativo continua até não haver mais variação significativa entre as médias.
23 Agrupamentos Baseados na mínima distância espectral µ + σ µ µ - σ Banda B 5 Agrupamentos Iniciais baseados em µ (média) e σ (desvio padrão) Banda A µ - σ µ µ + σ
24 Tópico Complementar: Qualidade da Classificação Floresta A Floresta B Água Pântano A imagem classificada deve ser avaliada pois esta apenas é uma aproximação da realidade de campo. A qualidade depende: -Significância das amostras; -Regra de decisão; -Número de bandas espectrais -Resolução da Imagem
25 Será que a classe Floresta A corresponde mesmo a Floresta A no campo? Qual o grau de concordância entre a imagem classifacada e o terreno? Terreno Imagem Pontos devem ser amostrados na imagem e conferidos no campo. A amostragem deve ser aleatória.
26 Classes Matriz de erros ou confusão Mapa Campo X +i X i Numa Amostra de 107 pixels para classe 2 apenas 79 eram classes 2; Numa amostra de 356 pixels para classe 3 apenas 347 são realmente classe três.
27 Índices de acurácia: Erro de Omissão: situa-se na linha da matriz de erros. Mede a acurácia da classificação digital(mapa). Erro de Comissão: situa-se na coluna da matriz de erros. Mede a confiabilidade de uma classe corresponder a verdade de campo. Acurácia Geral: número total da amostra pelo total de pixels corretamente classificados. Coeficiente Kappa: coeficiente de concordância leva em conta erros de omissão e comissão, logo mais abrangente e utilizado.
28 Kappa para as classes κ = i N X X X N X X X ii i+ + i i+ i+ + i N= total da amostragem; Xii= pixels corretamente classificados X+i; Xi+: erros de comissão e omissão κi % A acurácia total do mapa expressa pela razão entre total de pontos de referência e os pontos corretamente classificados ( X ii /N). 1351/1643 = 80% O Kappa total para o mapa foi 74% menor que a acurácia Total, pois o seu cálculo levou em conta todos os elementos da matriz de erros
Prof. Daniela Barreiro Claro
O volume de dados está crescendo sem parar Gigabytes, Petabytes, etc. Dificuldade na descoberta do conhecimento Dados disponíveis x Análise dos Dados Dados disponíveis Analisar e compreender os dados 2
Leia maisAULA 07 Distribuições Discretas de Probabilidade
1 AULA 07 Distribuições Discretas de Probabilidade Ernesto F. L. Amaral 31 de agosto de 2010 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro:
Leia maisDISTRIBUIÇÕES ESPECIAIS DE PROBABILIDADE DISCRETAS
VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADES 1 1. VARIÁVEIS ALEATÓRIAS Muitas situações cotidianas podem ser usadas como experimento que dão resultados correspondentes a algum valor, e tais situações
Leia maisÁlgebra Linear Aplicada à Compressão de Imagens. Universidade de Lisboa Instituto Superior Técnico. Mestrado em Engenharia Aeroespacial
Álgebra Linear Aplicada à Compressão de Imagens Universidade de Lisboa Instituto Superior Técnico Uma Breve Introdução Mestrado em Engenharia Aeroespacial Marília Matos Nº 80889 2014/2015 - Professor Paulo
Leia maisMETODOLOGIA DE ATUALIZAÇÃO DE CARTAS TOPOGRÁFICAS UTILIZANDO-SE IMAGENS DE SATÉLITE DE MÉDIA RESOLUÇÃO ESPACIAL
EXÉRCITO BRASILEIRO DIRETORIA DE SERVIÇO GEOGRÁFICO METODOLOGIA DE ATUALIZAÇÃO DE CARTAS TOPOGRÁFICAS UTILIZANDO-SE IMAGENS DE SATÉLITE DE MÉDIA RESOLUÇÃO ESPACIAL CAP QEM/CART ANTONIO HENRIQUE CORREIA
Leia maisModelo Entidade Relacionamento (MER) Professor : Esp. Hiarly Alves
Tópicos Apresentação Entidade, Atributo e Relacionamento Cardinalidade Representação simbólica Generalizações / Especializações Agregações Apresentação O Modelo Entidade-Relacionamento tem o objetivo de
Leia maisIMAGENS DIGITAIS APLICADAS PARA DETERMINAÇÃO DE ÁREAS AGRÍCOLAS ATRAVÉS DO CLASSIFICADOR BAYES
IMAGENS DIGITAIS APLICADAS PARA DETERMINAÇÃO DE ÁREAS AGRÍCOLAS ATRAVÉS DO CLASSIFICADOR BAYES RAFAEL COLL DELGADO 1 ; GILBERTO CHOHAKU SEDIYAMA 2 ; EVALDO DE PAIVA LIMA 3, RICARDO GUIMARÃES ANDRADE 4
Leia maisEstudo sobre a dependência espacial da dengue em Salvador no ano de 2002: Uma aplicação do Índice de Moran
Estudo sobre a dependência espacial da dengue em Salvador no ano de 2002: Uma aplicação do Índice de Moran Camila Gomes de Souza Andrade 1 Denise Nunes Viola 2 Alexandro Teles de Oliveira 2 Florisneide
Leia maisTeoria dos erros em medições
Teoria dos erros em medições Medições Podemos obter medidas diretamente e indiretamente. Diretas - quando o aparelho ( instrumento ) pode ser aplicado no terreno. Indireta - quando se obtêm a medição após
Leia maisGerenciamento do Escopo do Projeto (PMBoK 5ª ed.)
Gerenciamento do Escopo do Projeto (PMBoK 5ª ed.) De acordo com o PMBok 5ª ed., o escopo é a soma dos produtos, serviços e resultados a serem fornecidos na forma de projeto. Sendo ele referindo-se a: Escopo
Leia maisMétodos Estatísticos Avançados em Epidemiologia
Métodos Estatísticos Avançados em Epidemiologia Análise de Variância - ANOVA Cap. 12 - Pagano e Gauvreau (2004) - p.254 Enrico A. Colosimo/UFMG Depto. Estatística - ICEx - UFMG 1 / 39 Introdução Existem
Leia maisExercício. Exercício
Exercício Exercício Aula Prática Utilizar o banco de dados ACCESS para passar o MER dos cenários apresentados anteriormente para tabelas. 1 Exercício oções básicas: ACCESS 2003 2 1 Exercício ISERIDO UMA
Leia maisIV Seminário de Iniciação Científica
385 AVALIAÇÃO DA RESISTÊNCIA À COMPRESSÃO E DO MÓDULO DE ELASTICIDADE DO CONCRETO QUANDO SUBMETIDO A CARREGAMENTO PERMANENTE DE LONGA DURAÇÃO (Dt = 9 dias) Wilson Ferreira Cândido 1,5 ;Reynaldo Machado
Leia maisCARTOGRAFIA DE RISCO
CARTOGRAFIA DE RISCO Mapa de Perigosidade de Incêndio Florestal e Mapa de Risco de Incêndio Florestal A Carta de Risco de Incêndio Florestal tem como objetivo apoiar o planeamento de medidas de prevenção
Leia maisGIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo, Editora Atlas, 2002....
GIL, Antonio Carlos. Como elaborar projetos de pesquisa. São Paulo, Editora Atlas, 2002.... 1 Como encaminhar uma Pesquisa? A pesquisa é um projeto racional e sistemático com objetivo de proporcionar respostas
Leia maisFaculdade de Economia, Administração e Contabilidade de Ribeirão Preto USP Departamento de Economia
Pobreza e Desigualdade 1) Que é pobreza? Inicio dos anos 1970: percepção de que as desigualdades sociais e a pobreza não estavam sendo equacionadas como resultado do crescimento econômico. Países ricos:
Leia maisDistribuição Normal de Probabilidade
Distribuição Normal de Probabilidade 1 Aspectos Gerais 2 A Distribuição Normal Padronizada 3 Determinação de Probabilidades 4 Cálculo de Valores 5 Teorema Central do Limite 1 1 Aspectos Gerais Variável
Leia maisCap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS
Cap. II EVENTOS MUTUAMENTE EXCLUSIVOS E EVENTOS NÃO- EXCLUSIVOS Dois ou mais eventos são mutuamente exclusivos, ou disjuntos, se os mesmos não podem ocorrer simultaneamente. Isto é, a ocorrência de um
Leia maisInteligência Artificial
Inteligência Artificial Aula 7 Programação Genética M.e Guylerme Velasco Programação Genética De que modo computadores podem resolver problemas, sem que tenham que ser explicitamente programados para isso?
Leia maisSISTEMAS DE INFORMAÇÕES GEOGRÁFICAS I (GEO 01007) AULA 8
SISTEMAS DE INFORMAÇÕES GEOGRÁFICAS I (GEO 01007) AULA 8 ASSUNTO: ANÁLISE DE IMAGENS DE SATÉLITE Objetivos: I. Visualização e interpretação de imagens II. Geração de mapas temáticos com dados de interpretação
Leia maisModelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste
Modelos de Regressão Linear Simples - Erro Puro e Falta de Ajuste Erica Castilho Rodrigues 2 de Setembro de 2014 Erro Puro 3 Existem dois motivos pelos quais os pontos observados podem não cair na reta
Leia maisAnálise Qualitativa no Gerenciamento de Riscos de Projetos
Análise Qualitativa no Gerenciamento de Riscos de Projetos Olá Gerente de Projeto. Nos artigos anteriores descrevemos um breve histórico sobre a história e contextualização dos riscos, tanto na vida real
Leia maisE-Faces - Um classificador capaz de analisar imagens e classificá-las como faces ou não faces utilizando o método Eigenfaces
E-Faces - Um classificador capaz de analisar imagens e classificá-las como faces ou não faces utilizando o método Eigenfaces Éder Augusto Penharbel, Erdiane L. G. Wutzke, Murilo dos S. Silva, Reinaldo
Leia maisProf. José Maurício S. Pinheiro - UGB - 2009
Auditoria e Análise de Segurança da Informação Forense Computacional Prof. José Maurício S. Pinheiro - UGB - 2009 Forense Computacional 2 Forense Computacional A forense computacional pode ser definida
Leia maisModelo de Precificação de A0vos Financeiros (CAPM) e Hipótese do Mercado Eficiente (HME) Aula de Fernando Nogueira da Costa Professor do IE- UNICAMP
Modelo de Precificação de A0vos Financeiros (CAPM) e Hipótese do Mercado Eficiente (HME) Aula de Fernando Nogueira da Costa Professor do IE- UNICAMP Keynes: comparou os investimentos a concurso de beleza
Leia maisProbabilidade. Evento (E) é o acontecimento que deve ser analisado.
Probabilidade Definição: Probabilidade é uma razão(divisão) entre a quantidade de eventos e a quantidade de amostras. Amostra ou espaço amostral é o conjunto formado por todos os elementos que estão incluídos
Leia maisUniversidade Federal do Paraná - Setor de Ciências da Terra
Universidade Federal do Paraná - Setor de Ciências da Terra APLICAÇÃO DE DIFERENTES NÍVEIS DE REALISMO DERIVADOS DE IMAGEM DE SATÉLITE NA REALIDADE VIRTUAL Juliana Moulin Fosse - jumoulin@ufpr.br Mosar
Leia maisTópicos Avançados em Banco de Dados Dependências sobre regime e controle de objetos em Banco de Dados. Prof. Hugo Souza
Tópicos Avançados em Banco de Dados Dependências sobre regime e controle de objetos em Banco de Dados Prof. Hugo Souza Após vermos uma breve contextualização sobre esquemas para bases dados e aprendermos
Leia maisUNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE EDUCAÇÃO. Elaborado por Gildenir Carolino Santos Grupo de Pesquisa LANTEC
UNIVERSIDADE ESTADUAL DE CAMPINAS FACULDADE DE EDUCAÇÃO Elaborado por Gildenir Carolino Santos Grupo de Pesquisa LANTEC Campinas Fevereiro 2014 2 opyleft Gildenir C. Santos, 2014. Biblioteca - Faculdade
Leia maisMídias Discretas. Introdução à Ciência da Informação
Mídias Discretas Introdução à Ciência da Informação Mídias Discretas Mídias discretas (estáticas) Texto Gráficos e Imagens Estáticas Caracteres são convertidos para uma representação com um número fixo
Leia mais3º Ano do Ensino Médio. Aula nº06
Nome: Ano: º Ano do E.M. Escola: Data: / / 3º Ano do Ensino Médio Aula nº06 Assunto: Noções de Estatística 1. Conceitos básicos Definição: A estatística é a ciência que recolhe, organiza, classifica, apresenta
Leia maisAula 5. Uma partícula evolui na reta. A trajetória é uma função que dá a sua posição em função do tempo:
Aula 5 5. Funções O conceito de função será o principal assunto tratado neste curso. Neste capítulo daremos algumas definições elementares, e consideraremos algumas das funções mais usadas na prática,
Leia mais1ª) Lista de Exercícios de Laboratório de Física Experimental A Prof. Paulo César de Souza
1ª) Lista de Exercícios de Laboratório de Física Experimental A Prof. Paulo César de Souza 1) Arredonde os valores abaixo, para apenas dois algarismos significativos: (a) 34,48 m (b) 1,281 m/s (c) 8,563x10
Leia maisBANCO DE DADOS GEOGRÁFICOS E WEBMAPPING. Prof. Angelo Augusto Frozza, M.Sc. http://about.me/tilfrozza
BANCO DE DADOS GEOGRÁFICOS E WEBMAPPING Prof. Angelo Augusto Frozza, M.Sc. http://about.me/tilfrozza 1 BANCO DE DADOS GEOGRÁFICOS BD convencional Repositório de fatos do mundo real que possuem atributos
Leia maisAndrés Eduardo Coca Salazar Tutor: Prof. Dr. Zhao Liang
: Finding Structures in Bach s, Chopin s and Mozart s NOLTA 08, Hungary, 2008 Complex network structure of musical composition: Algoritmic generation of appealing music Physica A 389 (2010) 126-132 Chi
Leia maisConceitos de Gestão de Estoques. Prof. Ruy Alexandre Generoso
Conceitos de Gestão de Estoques Análise Numérica Prof. Ruy Alexandre Generoso Cálculo do Nível N de Serviço Ótimo Nível de Serviço o (NS): Determinado nível n de estoque E. É a probabilidade de que a demanda
Leia maisPressuposições à ANOVA
UNIVERSIDADE FEDERAL DE RONDÔNIA CAMPUS DE JI-PARANÁ DEPARTAMENTO DE ENGENHARIA AMBIENTAL Estatística II Aula do dia 09.11.010 A análise de variância de um experimento inteiramente ao acaso exige que sejam
Leia maisSeu pé direito nas melhores Faculdades
10 Insper 01/11/009 Seu pé direito nas melhores Faculdades análise quantitativa 40. No campeonato brasileiro de futebol, cada equipe realiza 38 jogos, recebendo, em cada partida, 3 pontos em caso de vitória,
Leia maisMINERAÇÃO DE DADOS. Thiago Marzagão MINERAÇÃO DE TEXTOS. marzagao.1@osu.edu. Thiago Marzagão (UnB) MINERAÇÃO DE DADOS 1/2016 1 / 25
MINERAÇÃO DE DADOS Thiago Marzagão marzagao.1@osu.edu MINERAÇÃO DE TEXTOS Thiago Marzagão (UnB) MINERAÇÃO DE DADOS 1/2016 1 / 25 transformando textos em dados Documento 1: "Não trabalho para ter clientes;
Leia maisDynamic Voltage Scaling in Multitier Web Servers with End-to-End Delay Control
Dynamic Voltage Scaling in Multitier Web Servers with End-to-End Delay Control Tibor Horvath and Tarek Abdelzaher and Kevin Skadron and Xue Liu Universidade Federal Fluminense Diego Passos Apresentação
Leia maisDisciplina: Álgebra Linear - Engenharias ], C = Basta adicionar elemento a elemento de A e B que ocupam a mesma posição na matriz.
Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Álgebra Linear - Engenharias Professor: André Luiz Galdino Gabarito da 1 a Lista de Exercícios 1. Sejam Encontre: [ 1
Leia maisConfira se os dados contidos na parte inferior desta capa estão corretos e, em seguida, assine no espaço reservado para isso.
1 INSTRUÇÕES Confira se os dados contidos na parte inferior desta capa estão corretos e, em seguida, assine no espaço reservado para isso. 2 3 4 Caso se identifique em qualquer outro local deste Caderno,
Leia maisInstituto Português da DMET/UML
Aprovação Diretora do Departamento de Metrologia Revisão Diretora da Unidade de Metrologia Legal Elaboração Responsável de Domínio da Unidade de Metrologia Legal CONTROLO METROLÓGICO LEGAL VERIFICAÇÃO
Leia maisProbabilidade e Estatística
Probabilidade e Estatística TESTES DE HIPÓTESES (ou Testes de Significância) Estimação e Teste de Hipóteses Estimação e teste de hipóteses (ou significância) são os aspectos principais da Inferência Estatística
Leia maisProva de Fundamentos de Bancos de Dados 1 a Prova
Prova de Fundamentos de Bancos de Dados 1 a Prova Prof. Carlos A. Heuser Abril de 2009 Prova sem consulta duas horas de duração 1. (Peso 2 Deseja-se projetar um banco de dados para o sítio de uma prefeitura.
Leia mais8 -SISTEMA DE PROJEÇÃO UNIVERSAL TRANSVERSA DE MERCATOR - UTM
8 -SISTEMA DE PROJEÇÃO UNIVERSAL TRANSVERSA DE MERCATOR - UTM Introdução: histórico; definições O Sistema de Projeção UTM é resultado de modificação da projeção Transversa de Mercator (TM) que também é
Leia maisFERRAMENTAS DA QUALIDADE FOLHA DE VERIFICAÇÃO
FERRAMENTAS DA QUALIDADE FOLHA DE VERIFICAÇÃO 1 A Folha de Verificação é utilizada para permitir que um grupo registre e compile sistematicamente dados de fontes com experiência na área (históricos), ou
Leia mais2 Conceitos Básicos. onde essa matriz expressa a aproximação linear local do campo. Definição 2.2 O campo vetorial v gera um fluxo φ : U R 2 R
2 Conceitos Básicos Neste capítulo são apresentados alguns conceitos importantes e necessários para o desenvolvimento do trabalho. São apresentadas as definições de campo vetorial, fluxo e linhas de fluxo.
Leia maisComandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios
Comandos de Eletropneumática Exercícios Comentados para Elaboração, Montagem e Ensaios O Método Intuitivo de elaboração de circuitos: As técnicas de elaboração de circuitos eletropneumáticos fazem parte
Leia maisFigura 4.1: Diagrama de representação de uma função de 2 variáveis
1 4.1 Funções de 2 Variáveis Em Cálculo I trabalhamos com funções de uma variável y = f(x). Agora trabalharemos com funções de várias variáveis. Estas funções aparecem naturalmente na natureza, na economia
Leia maisCurso de Análise Estatística Comparação entre variáveis contínuas: correlação e regressão Linear
NÚCLEO DE ESTATÍSTICA E METODOLOGIA APLICADAS Desenvolvendo conhecimento para a excelência dos cuidados em saúde mental UNIVERSIDADE FEDERAL DE SÃO PAULO Curso de Análise Estatística Comparação entre variáveis
Leia maisFundamentos de Programação. Diagrama de blocos
Fundamentos de Programação Diagrama de blocos Prof. M.Sc.: João Paulo Q. dos Santos E-mail: joao.queiroz@ifrn.edu.br Página: http://docente.ifrn.edu.br/joaoqueiroz/ O processo de desenvolvimento (programação),
Leia maisUniversidade Federal de Goiás Campus Catalão Departamento de Matemática
Universidade Federal de Goiás Campus Catalão Departamento de Matemática Disciplina: Álgebra Linear Professor: André Luiz Galdino Aluno(a): 4 a Lista de Exercícios 1. Podemos entender transformações lineares
Leia maisA dependência entre a inflação cabo-verdiana e a portuguesa: uma abordagem de copulas.
A dependência entre a inflação cabo-verdiana e a portuguesa: uma abordagem de copulas. Jailson da Conceição Teixeira Oliveira 1 Murilo Massaru da Silva 2 Robson Oliveira Lima 3 Resumo: Cabo Verde é um
Leia maisCódigos de bloco. Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2
Instituto Federal de Santa Catarina Curso superior de tecnologia em sistemas de telecomunicação Comunicações móveis 2 Códigos de bloco Prof. Diego da Silva de Medeiros São José, maio de 2012 Codificação
Leia maisModelos de Probabilidade e Inferência Estatística
Modelos de Probabilidade e Inferência Estatística Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuições Qui-quadrado, t-student e F de Snedecor 04/14
Leia mais2 Segmentação de imagens e Componentes conexas
Universidade Tecnológica Federal do Paraná (UTFPR) Departamento Acadêmico de Informática (DAINF) Algoritmos II Professor: Alex Kutzke (alexk@dainf.ct.utfpr.edu.br) Especificação do Primeiro Trabalho Prático
Leia maisUNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR
UNIVERSIDADE FEDERAL DO ESPÍRITO SANTO PROGRAMA DE EDUCAÇÃO TUTORIAL - MATEMÁTICA PROJETO FUNDAMENTOS DE MATEMÁTICA ELEMENTAR Assuntos: Produtos Notáveis; Equações; Inequações; Função; Função Afim; Paridade;
Leia maisMétricas de Software
Métricas de Software Plácido Antônio de Souza Neto 1 1 Gerência Educacional de Tecnologia da Informação Centro Federal de Educação Tecnologia do Rio Grande do Norte 2006.1 - Planejamento e Gerência de
Leia maisMOQ-14 Projeto e Análise de Experimentos
Instituto Tecnológico de Aeronáutica Divisão de Engenharia Mecânica-Aeronáutica MOQ-14 Projeto e Análise de Experimentos Profa. Denise Beatriz Ferrari www.mec.ita.br/ denise denise@ita.br Regressão Linear
Leia maisSe A =, o evento é impossível, por exemplo, obter 7 no lançamento de um dado.
PROBABILIDADE Espaço amostral Espaço amostral é o conjunto universo U de todos os resultados possíveis de um experimento aleatório. O número de elementos desse conjunto é indicado por n(u). Exemplos: No
Leia maisAULA 19 Análise de Variância
1 AULA 19 Análise de Variância Ernesto F. L. Amaral 18 de outubro de 2012 Metodologia de Pesquisa (DCP 854B) Fonte: Triola, Mario F. 2008. Introdução à estatística. 10 ª ed. Rio de Janeiro: LTC. Capítulo
Leia maisResolução Comentada Unesp - 2013-1
Resolução Comentada Unesp - 2013-1 01 - Em um dia de calmaria, um garoto sobre uma ponte deixa cair, verticalmente e a partir do repouso, uma bola no instante t0 = 0 s. A bola atinge, no instante t4, um
Leia maisProbabilidade. Luiz Carlos Terra
Luiz Carlos Terra Nesta aula, você conhecerá os conceitos básicos de probabilidade que é a base de toda inferência estatística, ou seja, a estimativa de parâmetros populacionais com base em dados amostrais.
Leia maisMinuta de Instrução Normativa
Minuta de Instrução Normativa INSTRUÇÃO NORMATIVA Nº [NÚMERO], DE Dispõe sobre o Plano Anual de Atividades de Auditoria Interna (Paint), os aspectos relativos aos trabalhos de auditoria e o Relatório Anual
Leia mais7. A importância do aterramento na Qualidade da Energia.
7. A importância do aterramento na Qualidade da Energia. Em primeiro lugar é preciso esclarecer o que significa e para que serve o aterramento do sistema elétrico. Ao contrário do que é usual considerar,
Leia maisGraphing Basic no Excel 2007
Graphing Basic no Excel 2007 Tabela de Conteúdos 1. Inserindo e formatando os dados no Excel 2. Criando o gráfico de dispersão inicial 3. Criando um gráfico de dispersão de dados de titulação 4. Adicionando
Leia maisWWW.RENOVAVEIS.TECNOPT.COM
Energia produzida Para a industria eólica é muito importante a discrição da variação da velocidade do vento. Os projetistas de turbinas necessitam da informação para otimizar o desenho de seus geradores,
Leia maisConteúdo programático por disciplina Matemática 6 o ano
60 Conteúdo programático por disciplina Matemática 6 o ano Caderno 1 UNIDADE 1 Significados das operações (adição e subtração) Capítulo 1 Números naturais O uso dos números naturais Seqüência dos números
Leia maisAjuste de um modelo de TRI aos dados do vestibular 2011.2 do curso de Administração Noturno da Universidade Federal de Uberlândia
Ajuste de um modelo de TRI aos dados do vestibular 20.2 do curso de Administração Noturno da Universidade Federal de Uberlândia José Waldemar da Silva 2 Mirian Fernandes Carvalho Araújo 2 Lucio Borges
Leia maisAvaliação de Empresas Profa. Patricia Maria Bortolon
Avaliação de Empresas RISCO E RETORNO Aula 2 Retorno Total É a variação total da riqueza proporcionada por um ativo ao seu detentor. Fonte: Notas de Aula do Prof. Claudio Cunha Retorno Total Exemplo 1
Leia maisFundamentos de Teste de Software
Núcleo de Excelência em Testes de Sistemas Fundamentos de Teste de Software Módulo 1- Visão Geral de Testes de Software Aula 2 Estrutura para o Teste de Software SUMÁRIO 1. Introdução... 3 2. Vertentes
Leia maisFundamentos de Bancos de Dados 3 a Prova Caderno de Questões
Fundamentos de Bancos de Dados 3 a Prova Caderno de Questões Prof. Carlos A. Heuser Dezembro de 2009 Duração: 2 horas Prova com consulta Questão 1 (Construção de modelo ER) Deseja-se projetar a base de
Leia maisAnálise espacial do prêmio médio do seguro de automóvel em Minas Gerais
Análise espacial do prêmio médio do seguro de automóvel em Minas Gerais 1 Introdução A Estatística Espacial é uma área da Estatística relativamente recente, que engloba o estudo dos fenômenos em que a
Leia mais3 - Bacias Hidrográficas
3 - Bacias Hidrográficas A bacia hidrográfica é uma região definida topograficamente, drenada por um curso d água ou um sistema interconectado por cursos d água tal qual toda vazão efluente seja descarregada
Leia maisFACULDADE DE CIÊNCIAS E TECNOLOGIA. Redes de Telecomunicações (2006/2007)
FACULDADE DE CIÊNCIAS E TECNOLOGIA Redes de Telecomunicações (2006/2007) Engª de Sistemas e Informática Trabalho nº4 (1ª aula) Título: Modelação de tráfego utilizando o modelo de Poisson Fundamentos teóricos
Leia maisPESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR. Prof. Angelo Augusto Frozza, M.Sc.
PESQUISA OPERACIONAL -PROGRAMAÇÃO LINEAR Prof. Angelo Augusto Frozza, M.Sc. ROTEIRO Esta aula tem por base o Capítulo 2 do livro de Taha (2008): Introdução O modelo de PL de duas variáveis Propriedades
Leia maisProcessamento Digital de Sinais. Conversão A/D e D/A. Prof. Dr. Carlos Alberto Ynoguti
Processamento Digital de Sinais Conversão A/D e D/A Prof. Dr. Carlos Alberto Ynoguti Introdução A maioria dos sinais encontrados na natureza é contínua Para processá los digitalmente, devemos: Converter
Leia mais8 Crie um pequeno sistema para controle automatizado de estoque, com os seguintes registros:
TRABALHO: REGISTROS 8 Crie um pequeno sistema para controle automatizado de estoque, com os seguintes registros: CLIENTES NOTAS ITENS_NOTAS PRODUTOS Cod_cliente Num_NF Num_NF Cod_produto Endereco Cod_cliente
Leia maisCRIAÇÃO DE TABELAS NO ACCESS. Criação de Tabelas no Access
CRIAÇÃO DE TABELAS NO ACCESS Criação de Tabelas no Access Sumário Conceitos / Autores chave... 3 1. Introdução... 4 2. Criação de um Banco de Dados... 4 3. Criação de Tabelas... 6 4. Vinculação de tabelas...
Leia mais4.4 Limite e continuidade
4.4 Limite e continuidade Noções Topológicas em R : Dados dois pontos quaisquer (x 1, y 1 ) e (x, y ) de R indicaremos a distância entre eles por då(x 1, y 1 ), (x, y )è=(x 1 x ) + (y 1 y ). Definição
Leia maisReconhecimento facial utilizando Fisherfaces. Disciplina: Reconhecimento de padrões Professor: André Tavares da Silva Mestrando: Márcio Koch
Reconhecimento facial utilizando Fisherfaces Disciplina: Reconhecimento de padrões Professor: André Tavares da Silva Mestrando: Márcio Koch Márcio Koch, maio 2014 Pauta Apresentação Analise das Componentes
Leia maisMódulo de Equações do Segundo Grau. Equações do Segundo Grau: Resultados Básicos. Nono Ano
Módulo de Equações do Segundo Grau Equações do Segundo Grau: Resultados Básicos. Nono Ano Equações do o grau: Resultados Básicos. 1 Exercícios Introdutórios Exercício 1. A equação ax + bx + c = 0, com
Leia maisTeste de hipótese em modelos normais lineares: ANOVA
Teste de hipótese em modelos normais lineares: ANOVA Prof Caio Azevedo Prof Caio Azevedo Exemplo 1 No primeiro modelo, o interesse primário, de certa forma, é testar se a carga não contribui para explicar
Leia maisEDITAL DE SELEÇÃO PARA MESTRADO 2016 PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO (UNIFEI)
1 EDITAL DE SELEÇÃO PARA MESTRADO 2016 PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE PRODUÇÃO (UNIFEI) O Coordenador do Programa de Pós-Graduação em Engenharia de Produção (PPGEP) da Universidade Federal
Leia maisLOCALIZAÇÃO DE EMPRESAS Aspectos qualitativos. Profª MSc. Patrícia Tavares
LOCALIZAÇÃO DE EMPRESAS Aspectos qualitativos Profª MSc. Patrícia Tavares LOCALIZAÇÃO É o processo que determina os locais geográficos para as operações de uma empresa; Localizar significa determinar o
Leia mais5838 Maquinação Introdução ao CNC
5838 Maquinação Introdução ao CNC Formador: Hélder Nunes 13 Valores Formanda: Ana Pernas Índice Introdução... 3 Enquadramento... 4 Vantagens vs Desvantagens do CNC... 5 Características de um sistema CNC...
Leia maisPesquisador em Informações Geográficas e Estatísticas A I GEOMORFOLOGIA LEIA ATENTAMENTE AS INSTRUÇÕES ABAIXO.
6 EDITAL N o 04/2013 LEIA ATENTAMENTE AS INSTRUÇÕES ABAIXO. 01 - O candidato recebeu do fiscal o seguinte material: a) este CADERNO DE QUESTÕES, com os enunciados das 8 (oito) questões discursivas, sem
Leia maisObtenção Experimental de Modelos Matemáticos Através da Reposta ao Degrau
Alunos: Nota: 1-2 - Data: Obtenção Experimental de Modelos Matemáticos Através da Reposta ao Degrau 1.1 Objetivo O objetivo deste experimento é mostrar como se obtém o modelo matemático de um sistema através
Leia maisPRÊMIO SER HUMANO ABRH/MA REGULAMENTO 2016 MODALIDADE: GESTÃO DE PESSOAS / ORGANIZAÇÃO
Página 1 A. OBJETIVO A.1. O Prêmio Ser Humano ABRH/MA - Modalidade Gestão de Pessoas - Organização, premia os cases ou projetos implantados em organizações, relativos à gestão ou desenvolvimento dos seres
Leia maisEntropia, Entropia Relativa
Entropia, Entropia Relativa e Informação Mútua Miguel Barão (mjsb@di.uevora.pt) Departamento de Informática Universidade de Évora 13 de Março de 2003 1 Introdução Suponhamos que uma fonte gera símbolos
Leia maisREGULAMENTO DA POLÍTICA DE MANUTENÇÃO E GUARDA DO ACERVO ACADÊMICO DA ESCOLA DE DIREITO DE BRASÍLIA EDB
REGULAMENTO DA POLÍTICA DE MANUTENÇÃO E GUARDA DO ACERVO ACADÊMICO DA ESCOLA DE DIREITO DE BRASÍLIA EDB Estabelece a Política para Manutenção e Guarda do Acervo Acadêmico da Escola de Direito de Brasília
Leia maisInstituto Federal Fluminense Campus Campos Centro Programa Tecnologia Comunicação Educação (PTCE)
Instituto Federal Fluminense Campus Campos Centro Programa Tecnologia Comunicação Educação (PTCE) Apostila Organizada por: Ludmilla Rangel Cardoso Silva Kamila Gomes Carmem Lúcia Vieira Rodrigues Azevedo
Leia maisDeswik.Sched. Sequenciamento por Gráfico de Gantt
Deswik.Sched Sequenciamento por Gráfico de Gantt SOLUÇÕES EM SEQUENCIAMENTO DE LAVRA QUE NOS DIFERENCIAM Uma abordagem dinâmica e moderna para o sequenciamento de lavra Desde gráficos de Gantt interativos
Leia mais1 ESTRUTURAS DE CONCRETO ARMANDO 1.1 INTRODUÇÃO
1 ESTRUTURAS DE CONCRETO ARMANDO 1.1 INTRODUÇÃO Estrutura de concreto armado é a denominação de estruturas compostas de concreto, cimento + água + agregados (e às vezes + aditivos) com barras de aço no
Leia maisOPERAÇÕES COM FRAÇÕES
OPERAÇÕES COM FRAÇÕES Adição A soma ou adição de frações requer que todas as frações envolvidas possuam o mesmo denominador. Se inicialmente todas as frações já possuírem um denominador comum, basta que
Leia maisUTILIZAÇÃO DE SENSORES CAPACITIVOS PARA MEDIR UMIDADE DO SOLO.
UTILIZAÇÃO DE SENSORES CAPACITIVOS PARA MEDIR UMIDADE DO SOLO. Silveira, Priscila Silva; Valner Brusamarello. Universidade Federal do Rio Grande do Sul UFRGS Av. Osvaldo Aranha, 103 - CEP: 90035-190 Porto
Leia maisMINISTÉRIO DO MEIO AMBIENTE INSTITUTO CHICO MENDES DE CONSERVAÇÃO DA BIODIVERSIDADE. Reserva Extrativista Chico Mendes
MINISTÉRIO DO MEIO AMBIENTE INSTITUTO CHICO MENDES DE CONSERVAÇÃO DA BIODIVERSIDADE Reserva Etrativista Chico Mendes Termo de Referência nº 2013.0930.00039-8 1 Identificação Contratação de consultoria
Leia maisUso de escalas logaritmicas e linearização
Uso de escalas logaritmicas e linearização Notas: Rodrigo Ramos 1 o. sem. 2015 Versão 1.0 Obs: Esse é um texto de matemática, você deve acompanhá-lo com atenção, com lápis e papel, e ir fazendo as coisas
Leia mais